814 字
4 分钟
基本定律：IR = IC × √BR
全书的心脏。一条公式把”怎么提高 IR”拆成两个可以分别努力的变量——它值得你读两遍。
基本定律的两个零件
IR ≈ IC × √BR
IC：你的水平
每次预测与实际结果的相关系数。职业水平的 IC 低得惊人：0.05 已经很好，0.1 是大师级。量化不是比谁看得准，是比谁在”略好于抛硬币”的水平上执行得更彻底。
BR：你的机会（广度）
每年独立下注的次数。关键词是独立：
- 对 500 只股票做截面选股、月度调仓 ≈ 每年几千次下注；
- 判断大盘方向、季度调仓 ≈ 每年 4 次下注；
- 对 100 只高度同涨同跌的银行股下注 ≈ 只下了一注（相关性吃掉广度）。
平方根的含义
广度带来的提升是平方根级的：广度翻 4 倍，IR 才翻 2 倍。想靠加大广度躺赢没那么容易——但反过来，广度的提升不要求你变聪明，只要求你更勤快、覆盖更宽。这是普通研究者最现实的进步路径。
一个算例：把公式跑一遍
宏观择时手：IC = 0.1（很高的判断力），每年 4 次独立判断 → IR ≈ 0.1 × 2 = 0.2； 选股量化：IC = 0.03（微弱优势），每年 2000 次独立下注 → IR ≈ 0.03 × 44.7 ≈ 1.3。
微弱优势 × 海量独立下注 > 高超判断 × 屈指可数的机会。这一个算例解释了半个量化行业的存在理由。
三个直接推论
- 解释了行业格局：选股型量化（高广度、低 IC）和宏观择时型（低广度、需要高 IC）是两种完全不同的生意——大奖章是极限广度路线的代表；
- 给出了策略诊断框架：IR 不够，问自己是 IC 不行（预测质量）还是 BR 不行（覆盖面/独立性）——两种病，两种药；
- 揭示了相关性的隐形税：加 10 个高度相关的因子，有效广度几乎不变。因子去重（低相关）比因子堆数量重要得多。
使用时的诚实警告
基本定律是近似：它假设预测之间独立、忽略成本和约束。后人（Clarke 等）扩展出实施效率版本：IR = IC × √BR × TC（TC 为转移系数）——再好的预测，被约束和成本折损后才是真实 IR。TC 的细节在实施篇（第 6 页）展开。
对应本平台
- 「因子分析」页的 IC 报告 = 直接测量你的 IC；样本期数 × 截面股票数的量级 = 你的 BR 上限；
- 「因子对比」页看多个因子的相关性（逻辑是否同源）= 检查有效广度；
- 想提升回测里的 IR，三条路清清楚楚：换更强因子（IC）、扩大股票池（BR）、组合低相关因子（有效 BR）。
本页带走的三句话
- IR = 水平 × √机会数：微弱优势 × 海量独立下注 = 顶尖成绩；
- 广度必须”独立”才算数——相关性是广度的隐形税；
- 诊断策略先分诊：IC 的病还是 BR 的病，两种病两种药。